搜索资源列表
tf_stock_1
- 利用lstm预测股票接下来100个时刻的股价，并作图(Using LSTM to Predict Stock Price)
data
- 数据单一分类，svm和lstm两种，可以简单用于测试(data classification)
deecamp
- 利用LSTM进行股票预测，采用python编程(forecast the stock price with LSTM)
convLSTM
- MATLAB语言实现的LSTM长短期记忆神经网络模型(LSTM Long-term and Short-term Memory Neural Network Model Implemented by MATLAB Language)
LSTM程序
- 基于LSTM的时间序列预测-原理-python代码(Prediction of time series based on LSTM - principles -python code)
stock_predict_with_LSTM-master
- 深度学习，LSTM股票预测，python代码(Deep Learning, LSTM Stock Forecasting, Pthon Code)
LSTM2
- LSTM可用的matlab程序，可用到时间序列预测(Matlab code for predicting via LSTM algorithm)
LSTM
- 时间序列趋势分析方法----长短时记忆循环网络matlab实现(Matlab implementation of long and short-term memory cycle network)
深度学习lstm的程序
- 采用python语言写的关于深度学习的lstm的程序。使用者需要在python环节下运行。
RNN_LSTM股市预测
- lstm用于股票预测，效果较好，欢迎下载，希望满意(LSTM used for stock forecasting, good effect, welcome to download, hope to be satisfied)
LSTM-Human-Activity-Recognition-master
- 与经典的方法相比，使用具有长时间记忆细胞的递归神经网络(RNN)不需要或几乎不需要特征工程。数据可以直接输入到神经网络中，神经网络就像一个黑匣子，可以正确地对问题进行建模。其他研究在活动识别数据集上可以使用大量的特征工程，这是一种与经典数据科学技术相结合的信号处理方法。这里的方法在数据预处理的数量方面非常简单(Compared with the classical methods, the recursive neural network (RNN) with long-term memory
chatbot
- 聊天机器人 原理： 严谨的说叫 ”基于深度学习的开放域生成对话模型“，框架为Keras（Tensorflow的高层包装），方案为主流的RNN（循环神经网络）的变种LSTM（长短期记忆网络）+seq2seq（序列到序列模型），外加算法Attention Mechanism（注意力机制），分词工具为jieba，UI为Tkinter，基于”青云“语料（10万+闲聊对话）训练。 运行环境：python3.6以上，Tensorflow，pandas，numpy，jieba。(Chat Robot
emd-lstm
- 基于经验模态分解成多个模态和一个残余量，再利用长短神经网络预测分别训练每一个模态和残余量，最后重构结果，得到预测结果(Prediction based on empirical mode decomposition and long short neural network)
循环神经网络预测
- 循环神经网络学习流量预测lstm适用于初学者学习使用(Recurrent neural network learning traffic forecast)
股票预测
- python LSTM进行时间序列预测，股票每日的数据(Time series prediction by Python LSTM)
lstm_tensorflow
- tensorflow2.0的Lstm实现(LSTM implementation of tensorflow 2.0)
emd+lstm等预测方法
- 主要介绍对信号或者数据的处理，例如emd，vmd，然后对分解后的子序列进行预测，有文章可以对比，为什么同样的方法一遍可以这么牛逼，一篇不眨地(This paper mainly introduces the signal or data processing, such as EMD, VMD, and then forecasts the decomposed subsequence. There are articles to compare, why the same method can
LSTM-master
- 通过Long Short-Term Memory长短期记忆网络处理时间序列缺失值问题。(handing missing data)
LSTM-regression-master
- 基于lstm算法在MATLAB对短期风速进行预测(Based on LSTM algorithm, short-term wind speed was predicted in MATLAB)
stock_predict_with_LSTM-master
- 基于python的LSTM做股票预测源代码(Based on Python LSTM stock forecast source code)